pandas中DataFrame数据合并连接(merge、join、concat)


Posted in Python onMay 30, 2021

pandas作者Wes McKinney 在【PYTHON FOR DATA ANALYSIS】中对pandas的方方面面都有了一个权威简明的入门级的介绍,但在实际使用过程中,我发现书中的内容还只是冰山一角。谈到pandas数据的行更新、表合并等操作,一般用到的方法有concat、join、merge。但这三种方法对于很多新手来说,都不太好分清使用的场合与用途。今天就pandas官网中关于数据合并和重述的章节做个使用方法的总结。

文中代码块主要有pandas官网教程提供。

1 concat

concat函数是在pandas底下的方法,可以将数据根据不同的轴作简单的融合

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
       keys=None, levels=None, names=None, verify_integrity=False)

参数说明 

objs: series,dataframe或者是panel构成的序列lsit 

axis: 需要合并链接的轴,0是行,1是列 

join:连接的方式 inner,或者outer

其他一些参数不常用,用的时候再补上说明。

1.1 相同字段的表首尾相接

pandas中DataFrame数据合并连接(merge、join、concat)

# 现将表构成list,然后在作为concat的输入
In [4]: frames = [df1, df2, df3]
 
In [5]: result = pd.concat(frames)

要在相接的时候在加上一个层次的key来识别数据源自于哪张表,可以增加key参数

In [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])

效果如下

pandas中DataFrame数据合并连接(merge、join、concat)

1.2 横向表拼接(行对齐)

1.2.1 axis

当axis = 1的时候,concat就是行对齐,然后将不同列名称的两张表合并

In [9]: result = pd.concat([df1, df4], axis=1)

pandas中DataFrame数据合并连接(merge、join、concat)

1.2.2 join

加上join参数的属性,如果为'inner'得到的是两表的交集,如果是outer,得到的是两表的并集。

In [10]: result = pd.concat([df1, df4], axis=1, join='inner')

pandas中DataFrame数据合并连接(merge、join、concat)

1.2.3 join_axes

如果有join_axes的参数传入,可以指定根据那个轴来对齐数据 

例如根据df1表对齐数据,就会保留指定的df1表的轴,然后将df4的表与之拼接

In [11]: result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

pandas中DataFrame数据合并连接(merge、join、concat)1.3

1.3 append

append是series和dataframe的方法,使用它就是默认沿着列进行凭借(axis = 0,列对齐)

In [12]: result = df1.append(df2)

pandas中DataFrame数据合并连接(merge、join、concat)

1.4 无视index的concat

如果两个表的index都没有实际含义,使用ignore_index参数,置true,合并的两个表就睡根据列字段对齐,然后合并。最后再重新整理一个新的index。 

pandas中DataFrame数据合并连接(merge、join、concat)

1.5 合并的同时增加区分数据组的键

前面提到的keys参数可以用来给合并后的表增加key来区分不同的表数据来源

1.5.1 可以直接用key参数实现

In [27]: result = pd.concat(frames, keys=['x', 'y', 'z'])

pandas中DataFrame数据合并连接(merge、join、concat)

1.5.2 传入字典来增加分组键

In [28]: pieces = {'x': df1, 'y': df2, 'z': df3}
 
In [29]: result = pd.concat(pieces)

pandas中DataFrame数据合并连接(merge、join、concat)

1.6 在dataframe中加入新的行

append方法可以将 series 和 字典就够的数据作为dataframe的新一行插入。 

pandas中DataFrame数据合并连接(merge、join、concat)

In [34]: s2 = pd.Series(['X0', 'X1', 'X2', 'X3'], index=['A', 'B', 'C', 'D'])
 
In [35]: result = df1.append(s2, ignore_index=True)

 表格列字段不同的表合并

如果遇到两张表的列字段本来就不一样,但又想将两个表合并,其中无效的值用nan来表示。那么可以使用ignore_index来实现。

1

pandas中DataFrame数据合并连接(merge、join、concat)

In [36]: dicts = [{'A': 1, 'B': 2, 'C': 3, 'X': 4},
   ....:          {'A': 5, 'B': 6, 'C': 7, 'Y': 8}]
   ....: 
 
In [37]: result = df1.append(dicts, ignore_index=True)

在这里,将接着介绍pandas中也常常用到的join 和merge方法

merge

pandas的merge方法提供了一种类似于SQL的内存链接操作,官网文档提到它的性能会比其他开源语言的数据操作(例如R)要高效。

和SQL语句的对比可以看这里

merge的参数

on:列名,join用来对齐的那一列的名字,用到这个参数的时候一定要保证左表和右表用来对齐的那一列都有相同的列名。

left_on:左表对齐的列,可以是列名,也可以是和dataframe同样长度的arrays。

right_on:右表对齐的列,可以是列名,也可以是和dataframe同样长度的arrays。

left_index/ right_index: 如果是True的haunted以index作为对齐的key

how:数据融合的方法。

sort:根据dataframe合并的keys按字典顺序排序,默认是,如果置false可以提高表现。

merge的默认合并方法:

    merge用于表内部基于 index-on-index 和 index-on-column(s) 的合并,但默认是基于index来合并。

1.1 复合key的合并方法

使用merge的时候可以选择多个key作为复合可以来对齐合并。

 1.1.1 通过on指定数据合并对齐的列

In [41]: left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
   ....:                      'key2': ['K0', 'K1', 'K0', 'K1'],
   ....:                      'A': ['A0', 'A1', 'A2', 'A3'],
   ....:                      'B': ['B0', 'B1', 'B2', 'B3']})
   ....: 
 
In [42]: right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
   ....:                       'key2': ['K0', 'K0', 'K0', 'K0'],
   ....:                       'C': ['C0', 'C1', 'C2', 'C3'],
   ....:                       'D': ['D0', 'D1', 'D2', 'D3']})
   ....: 
 
In [43]: result = pd.merge(left, right, on=['key1', 'key2'])

pandas中DataFrame数据合并连接(merge、join、concat) 

没有指定how的话默认使用inner方法。

how的方法有:

left

只保留左表的所有数据

In [44]: result = pd.merge(left, right, how='left', on=['key1', 'key2'])

pandas中DataFrame数据合并连接(merge、join、concat)

right

只保留右表的所有数据

In [45]: result = pd.merge(left, right, how='right', on=['key1', 'key2'])

pandas中DataFrame数据合并连接(merge、join、concat)

outer

保留两个表的所有信息

In [46]: result = pd.merge(left, right, how='outer', on=['key1', 'key2'])

pandas中DataFrame数据合并连接(merge、join、concat)

inner

只保留两个表中公共部分的信息

In [47]: result = pd.merge(left, right, how='inner', on=['key1', 'key2'])

pandas中DataFrame数据合并连接(merge、join、concat)

1.2 indicator

v0.17.0 版本的pandas开始还支持一个indicator的参数,如果置True的时候,输出结果会增加一列 ' _merge'。_merge列可以取三个值

  • left_only 只在左表中
  • right_only 只在右表中
  • both 两个表中都有

1.3 join方法

dataframe内置的join方法是一种快速合并的方法。它默认以index作为对齐的列。

1.3.1 how 参数

join中的how参数和merge中的how参数一样,用来指定表合并保留数据的规则。

具体可见前面的 how 说明。

1.3.2 on 参数

在实际应用中如果右表的索引值正是左表的某一列的值,这时可以通过将 右表的索引 和 左表的列 对齐合并这样灵活的方式进行合并。

ex 1

In [59]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
   ....:                      'B': ['B0', 'B1', 'B2', 'B3'],
   ....:                      'key': ['K0', 'K1', 'K0', 'K1']})
   ....: 
 
In [60]: right = pd.DataFrame({'C': ['C0', 'C1'],
   ....:                       'D': ['D0', 'D1']},
   ....:                       index=['K0', 'K1'])
   ....: 
 
In [61]: result = left.join(right, on='key')

pandas中DataFrame数据合并连接(merge、join、concat)

1.3.3 suffix后缀参数

如果和表合并的过程中遇到有一列两个表都同名,但是值不同,合并的时候又都想保留下来,就可以用suffixes给每个表的重复列名增加后缀。

In [79]: result = pd.merge(left, right, on='k', suffixes=['_l', '_r'])

pandas中DataFrame数据合并连接(merge、join、concat)

* 另外还有lsuffix 和 rsuffix分别指定左表的后缀和右表的后缀。

1.4 组合多个dataframe

一次组合多个dataframe的时候可以传入元素为dataframe的列表或者tuple。一次join多个,一次解决多次烦恼~

In [83]: right2 = pd.DataFrame({'v': [7, 8, 9]}, index=['K1', 'K1', 'K2'])
 
In [84]: result = left.join([right, right2])

pandas中DataFrame数据合并连接(merge、join、concat)

1.5 更新表的nan值

1.5.1 combine_first

如果一个表的nan值,在另一个表相同位置(相同索引和相同列)可以找到,则可以通过combine_first来更新数据

1.5.2 update

如果要用一张表中的数据来更新另一张表的数据则可以用update来实现

1.5.3 combine_first 和 update 的区别

使用combine_first会只更新左表的nan值。而update则会更新左表的所有能在右表中找到的值(两表位置相对应)。

总结

到此这篇关于pandas中DataFrame 数据合并连接(merge、join、concat)的文章就介绍到这了,更多相关pandas中DataFrame 数据合并内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
基于Python闭包及其作用域详解
Aug 28 Python
python实现判断一个字符串是否是合法IP地址的示例
Jun 04 Python
深入了解Python iter() 方法的用法
Jul 11 Python
python elasticsearch从创建索引到写入数据的全过程
Aug 04 Python
python selenium循环登陆网站的实现
Nov 04 Python
python抓取多种类型的页面方法实例
Nov 20 Python
Windows10下Tensorflow2.0 安装及环境配置教程(图文)
Nov 21 Python
在python中创建指定大小的多维数组方式
Nov 28 Python
Python + Requests + Unittest接口自动化测试实例分析
Dec 12 Python
TensorFlow实现模型断点训练,checkpoint模型载入方式
May 26 Python
python文件路径操作方法总结
Dec 21 Python
python编写扎金花小程序的实例代码
Feb 23 Python
Pandas加速代码之避免使用for循环
pandas提升计算效率的一些方法汇总
May 30 #Python
Python一行代码实现自动发邮件功能
深入解析NumPy中的Broadcasting广播机制
python必学知识之文件操作(建议收藏)
Python使用Kubernetes API访问集群
如何利用pygame实现打飞机小游戏
You might like
巧用php中的array_filter()函数去掉多维空值的代码分享
2012/09/07 PHP
php shell超强免杀、减少体积工具实现代码
2012/10/16 PHP
了解PHP的返回引用和局部静态变量
2015/06/04 PHP
PHP 获取ip地址代码汇总
2015/07/05 PHP
thinkPHP3.2简单实现文件上传的方法
2016/05/16 PHP
PHP使用Redis实现防止大并发下二次写入的方法
2017/10/09 PHP
让ie6也支持websocket采用flash封装实现
2013/02/18 Javascript
JavaScript中textRange对象使用方法小结
2015/03/24 Javascript
轻松搞定jQuery.noConflict()
2016/02/15 Javascript
基于javascript实现简单的抽奖系统
2020/04/15 Javascript
基于JS实现导航条flash导航条
2016/06/17 Javascript
基于原生js淡入淡出函数封装(兼容IE)
2016/10/20 Javascript
微信小程序 wxapp内容组件 text详细介绍
2016/10/31 Javascript
js模糊查询实例分享
2016/12/26 Javascript
jQuery实现手势解锁密码特效
2017/08/14 jQuery
Python解析xml中dom元素的方法
2015/03/12 Python
python实现将元祖转换成数组的方法
2015/05/04 Python
python strip() 函数和 split() 函数的详解及实例
2017/02/03 Python
Python实现屏幕截图的两种方式
2018/02/05 Python
Python使用progressbar模块实现的显示进度条功能
2018/05/31 Python
20行python代码实现人脸识别
2019/05/05 Python
使用 css3 实现圆形进度条的示例
2017/07/05 HTML / CSS
椰子猫砂:CatSpot
2018/08/27 全球购物
Topshop美国官网:英国快速时尚品牌
2019/05/16 全球购物
SK-II神仙水美国官网:SK-II美国
2020/02/25 全球购物
小学运动会广播稿200字(十二篇)
2014/01/14 职场文书
化学系大学生自荐信范文
2014/03/01 职场文书
弘扬职业精神演讲稿
2014/03/20 职场文书
函授毕业生自我鉴定范文
2014/03/25 职场文书
《泉水》教学反思
2014/04/11 职场文书
优秀的应届生自荐信
2014/05/23 职场文书
安全演讲稿开场白
2014/08/25 职场文书
民事诉讼代理授权委托书范本
2014/10/08 职场文书
四风问题专项整治工作情况报告
2014/10/28 职场文书
2015年骨干教师工作总结
2015/05/26 职场文书
员工离职证明范本
2015/06/12 职场文书